她来找我的时候，还在医院药房工作。

药学硕士，毕业后一直在一家三甲医院，门诊药房起步，后来转到临床药学，审处方、做用药咨询、参与抗菌药物管理。六年。

她每天的工作里有一项是接用药咨询。她给我算过一笔账：

一天下来能接一百多个咨询。我统计过，其中八成是重复的——“这个药饭前吃还是饭后吃”“忘了吃要不要补”“孕妇能不能用”“两个药能不能一起吃”。
每个都一样，但每一个都必须由我来答。

问她为什么想动，她说的不是薪资，是另一件事：

我发现的不是我累，是这个系统里没有我的位置在长大。
我答得再好，下一百个患者来，还是要一个一个重新答。我的六年经验，换不来一百个人同时被服务。

她说完这句，我停了一下。

因为这正好是我最想聊的话题——医疗行业里有一类重复劳动，恰恰是 AI 最该接、也最考验功力的地方。而能判断"AI 接不接得住"的人，就是她这种人。

---

转折发生在一个具体的下午

她真正开始认真考虑 AI，是因为一次咨询。

一个患者拿着两种药问她能不能一起吃。她看了一眼，说不能，隔开两小时，并且解释了为什么——相互作用会导致其中一种的浓度异常。

患者走的时候说了句：“我在网上问过 AI，它说可以一起吃，问题不大。”

她后来跟我复述这段的时候，说了一句话：

我不意外 AI 答错。让我坐在那里想了很久的是——那个患者信 AI 的程度，和我是一样的。他没办法分辨哪个答案能信。

从那天起她开始研究 AI 健康产品。研究得越深，她越发现一件事：

这个领域的问题，恰恰不是技术问题。

大模型答一个用药问题只要三秒。但这个答案能不能发给一个真实的患者——引用的证据是不是最新的指南、剂量表述会不会被误解、病情描述里有没有被漏掉的关键信息、这一类问题该拒答还是该建议就医——判断这些，需要一个学过药的人。

AI 负责生成答案。
而"这个答案敢不敢发出去"，是另一门专业。

---

为什么是蚂蚁：把账算到"信任"头上

大家聊大厂做医疗 AI，容易停留在"又一个聊天机器人"。

但健康这个场景，和别的场景有一个根本区别——它有错误成本。

导航答错，多绕两公里；购物推错，退掉重拍。健康咨询答错，轻则耽误，重则出事。所以医疗 AI 产品的竞争，到最后不是拼谁答得多、答得快，是拼谁的可信度能立得住。

而"可信"这两个字，拆开来全是医学工作：

• 答案要有循证依据，引用的是指南和说明书，不是模型的印象
• 分级要清晰：什么问题可以直接答、什么要提示就医、什么必须拒答
• 用药、剂量、禁忌这类高风险内容，要有一层医学审核
• 患者的描述天然不专业，模型要先"翻译"病情，再作答——这个翻译的规则，得懂病、懂药的人来定

把这些放在一起，结论就出来了：

大厂做医疗 AI，缺的从来不是能把模型调起来的人。
缺的是坐在模型旁边，知道哪句话不能发出去的人。

这就是一个六年临床药学的背景，在 AI 产品岗的价值所在——不是她会用大模型了，是她那条"判断"的专业，第一次有了放大的杠杆。

---

她后来补的三样东西

第一，把"医学判断"翻译成"产品规则"。

这是最核心的一步，也是最难的一步。

她在医院练了六年的本事是：拿到一个问题，判断该怎么答。但产品要的不是她的判断本身，是她的判断所依据的规则——规则写下来，AI 才能执行。

她花了将近一个月，把自己脑子里"怎么判断一个用药咨询"的过程拆开：先确认用药人和实际服用人是不是同一个、再确认孕产哺乳状态、再查相互作用、再核对剂量表述、再判断该不该建议就医——

拆完她自己吓了一跳：

我在医院答一个咨询大概三十秒。但把这三十秒里的判断全写下来，有二十几步。以前我以为这是"常识"，写下来才知道，这些全是专业训练出来的东西，普通人根本不会有这些动作。

第二，补 AI 产品的方法，但只补"够用"的部分。

大模型、Prompt、RAG、Function Calling、评测——她的学法和工程师不一样：每个概念只回答三个问题——它在这个场景里解决什么、它出错的时候长什么样、出错之后谁来兜。

比如学 RAG，她的重点完全不在搭建，在：检索回来的指南版本过期了怎么办、相似但不同的两个疾病被混召回怎么办、答案里引用的出处怎么强制呈现——

工程师学 RAG 是为了把它做出来；她学 RAG 是为了知道它什么时候会骗人。

第三，学会和团队协作的新语言。

医院里的协作语言是病程、医嘱、诊疗规范；产品团队的协作语言是需求、优先级、评审、灰度。

她说最不适应的是节奏：医院一个流程走一个月很正常，产品两周一个迭代。她花了很久才接受"先上一版，小流量验证，再改"——后来反而觉得这和临床的"小剂量起始、滴定加量"是一个道理，慢慢就找到自己的节奏了。

---

三个月怎么走的

前 25 天：补 AI 应用层 + 拆健康场景

大模型应用栈补齐（按上面的"三问"学法），同时把健康场景的 AI 产品拆了一遍：现有的 AI 健康助手都答什么、健康问答的分诊逻辑怎么设计、医疗信息的合规红线在哪、循证引用怎么呈现。

中间 25 天：专项研究

不背新闻，只拆三件事：AI 健康产品的高频场景分布（用药、症状、报告解读、育儿、慢病管理各占多少）、每个场景的风险等级和审核要求、同类产品出错的真实案例。

产出只有一个目标：面试官提到任何一个健康场景，她能立刻说清——这个场景的风险在哪、AI 能不能答、答到什么深度、什么情况必须转人工。

后 40 天：一个完整项目

用药咨询 AI 助手方案（含医学审核规则集）：

从场景调研、用户问法归类、风险分级（可直接答 / 提示就医 / 拒答转人工）、医学审核规则、循证来源约束，到效果评估方案和上线灰度设计，完整走一遍。

这个项目最值钱的是那份医学审核规则集——她把那"二十几步判断"写成了可执行的审核框架：什么表述必须出现、什么表述禁止出现、什么情况必须带就医提示、引用必须落在哪个证据等级上。

面试的时候，面试官在这份规则集上停了最久。后来告诉她：

技术面的所有人都会说"我们会加一层医学审核"。
但你是第一个真的把这层审核长什么样写出来的人。

---

面试被问到的 5 个问题

1. 用户描述症状特别模糊，AI 怎么处理？——考问诊逻辑（她的主场：先问什么、后问什么，临床上有一整套问诊顺序）
2. AI 给出的用药建议和说明书冲突，信哪个？——考循证意识
3. 什么问题必须拒答？拒答的标准怎么定？——考风险分级
4. 医学内容怎么保证不过期？指南更新了怎么办？——考知识管理
5. 老板要求产品"答得更多、更友好"，你作为医学背景怎么平衡？——考角色立场（她的回答：“健康产品里，'答得少但准’就是最大的友好。这个问题上我是产品经理，但我先是学药的。”）

没有一道题考模型原理。五道题全部在考同一件事：你有没有能力在"能说"和"敢说"之间画那条线。

---

她的简历，前后差在哪

以前写的是：
临床药学硕士，三甲医院六年，处方审核、用药咨询、抗菌药物管理

后来写的是：

• 用药咨询 AI 助手方案设计（风险分级 + 医学审核规则集 + 循证约束）
• 健康问答场景知识管理与指南版本治理
• 六年临床药学经验向可执行审核规则的结构化转化

前一份，看到的是"一个很有经验的药师"。
后一份，看到的是"一个能把医学专业变成产品能力的人"。

中间隔的不是学习，是一次翻译。

---

为什么我建议医学背景的人认真看这条路

纯做技术的人搞不定这件事——他不知道"隔开两小时服用"背后是什么机制，也不知道哪类表述会误导一个恐慌的患者。

纯做医疗的人也没准备好——她的判断都在脑子里，从没想过判断可以变成规则，更没想过规则可以服务一百万人。

刚好站在中间的人，才是这个行业现在最缺的人。

她说过一句话，我印象很深：

我以前的价值是：一天答一百个咨询。
我现在的价值是：让 AI 同时答一百万个，而且答得像我审过一样。

这不是一个人的转型，这是一类位置的打开——药师、医生、护士、医学编辑、公卫、临床协调，所有手里攥着"专业判断"的人，都站在这个位置上。

医学知识不会被 AI 淘汰。会被淘汰的，是不肯把知识变成规则的人。

---

我本人 6 年 Java 后端转大模型产品，现在在大厂做 AI 产品，业余时间一直在带医学、药学、护理背景的朋友转 AI+医疗方向。

医疗线上我带过药企侧、医院侧、产品侧的转型，专业背景从来不是这道题的难点，难点是你知不知道该往哪一步走。

最近准备再带一批，从 0 到 1 把"医学专业 → AI 产品能力"这条路走通。

几个硬条件：

1. 是我的粉丝（现在关注也算）
2. 22-45 岁，临床药学 / 药学 / 医学 / 护理 / 公卫 / 生物背景优先
3. 每晚能稳定拿出 1-2 小时，时间不够勿扰
4. 已经认真考虑转型，不是单纯想了解一下 AI

我把医学背景转 AI 产品能力映射表、用药咨询项目完整拆解、健康场景审核规则框架、面试真题整理好了，微信扫描下方二维码添加，免费发给你。